SAV - SPSS datový soubor
Co je soubor SAV?
Soubor SAV je datový soubor vytvořený Statistickým balíčkem pro společenské vědy (SPSS), což je aplikace široce používaná výzkumníky trhu, zdravotními výzkumníky, průzkumnými společnostmi, vládou, výzkumnými pracovníky v oblasti vzdělávání, marketingovými organizacemi a těžaři dat pro statistickou analýzu. SAV uložený v proprietárním binárním formátu a skládá se z datové sady a také slovníku, který datovou sadu představuje, ukládá data v řádcích a sloupcích.
Formát souboru SAV
Formát souboru SAV se stal relativně stabilním, ale nemůžeme ho označit za statický. V případě potřeby je volitelně k dispozici zpětná a dopředná kompatibilita, ale není správně udržována. Data v souboru SAV jsou rozdělena do následujících sekcí:
Záhlaví souboru
Skládá se ze 176 bajtů. První 4 bajty označují řetězec $FL2 nebo $FL3 v kódování znaků použitém pro soubor. Poslední tři bajty představují, že data v souboru jsou komprimována pomocí ZLIB. Další 60bajtový řetězec začíná @(#) SPSS DATA FILE a také určuje operační systém a verzi SPSS, která soubor vytvořila. Záhlaví pak pokračuje šestimístnými poli obsahujícími počet proměnných na pozorování a číselný kód pro kompresi a končí znakovými údaji označujícími datum a čas vytvoření a štítkem souboru.
Záznamy deskriptorů proměnných
Záznam obsahuje pevnou posloupnost polí, klasifikující typ a název proměnné spolu s informacemi o formátování používaných SPSS. Každý záznam proměnné může volitelně obsahovat označení proměnné o délce až 120 znaků a až tři specifikace chybějících hodnot.
Hodnotové štítky
Štítky hodnot jsou volitelné a jsou uloženy v párech záznamů s celočíselnými štítky 3 a 4. První záznam, kterým je štítek 3, má sekvenci dvojic polí, přičemž každý pár obsahuje hodnotu a přidružený štítek hodnoty. Druhý záznam, kterým je tag 4, představuje, na které proměnné se sada hodnot/štítek vztahuje.
Dokumenty
Jeden nebo více záznamů s celočíselným tagem 6. Volitelná dokumentace. obsahuje 80 řádků znaků.
Záznamy rozšíření
Jeden nebo více záznamů s celočíselným tagem 7. Záznamy rozšíření poskytují informace, které lze bezpečně ignorovat, ale v mnoha situacích uchované umožňují u souborů zapsaných novějším softwarem zachovat zpětnou kompatibilitu. Záznamy rozšíření mají značky podtypu typu integer.
Terminátor slovníku
Záznam pouze s celočíselnou značkou 999. Odděluje slovník od pozorování dat.
Pozorování dat
Uvažuje se, že data jsou v pořadí pozorování, např. všechny hodnoty proměnných pro první pozorování, následované všemi hodnotami pro druhé pozorování atd. Formát datového záznamu se liší v závislosti na kompresním kódu v záznamu záhlaví souboru. Datovou část souboru .sav lze dekomprimovat:
- kód 0: komprimovaný bajtkódem
- kód 1: komprimováno pomocí komprese ZLIB